CausGround：用因果交互知识支撑自适应具身规划
CausGround 提出一种非参数化的因果交互 grounding 框架，把交互经验蒸馏为以动作为中心、可复用的因果知识，识别动作前置条件与效果并组织进分解式世界状态表示，在规划时将任务相关因果依赖与当前观测对齐，支持对前置条件的反向推理和对效果的正向推理。
#Research
arXiv cs.ROAI 评分5757 arXiv cs.ROAI 评分5858 AirPlayground：覆盖多样重建环境的空中导航基准
AirPlayground 是一个用于训练和评测空中导航策略的统一基准，构建了 94 个覆盖室内、城市户外和植被场景的写实 3D Gaussian Splatting（3DGS）环境，并配有对齐的碰撞几何。
arXiv cs.ROAI 评分5555 FlowVLA：面向定量机器人倒液的流量感知物理完成估计
FlowVLA 将动作生成与物理完成估计分离，用共享的 π0.5 动作专家学习接近、倾倒与返回，并用目标无关估计器融合视觉、关节、腕部力矩与循环力信念历史来估计已转移质量，当估计值加预测残余流出量达到请求质量时触发返回。
arXiv cs.ROAI 评分5757 Toward Recursive Self-Improvement in Physical AI 论文：梳理物理AI中的递归自我改进路径
arXiv 论文 Toward Recursive Self-Improvement in Physical AI（arXiv:2610.29677，93页，15图，21表）将递归自我改进（RSI）定位于机器人学习框架下，追踪从提升机器人能力到改进产生这些能力的流程的路径。
arXiv cs.ROAI 评分2525 从接受到回避到情感黏度：设计介入人际关系的社交智能体
论文将智能体对视线的接受与回避研究，与描述负面情绪随时间累积、持续、压抑和表达的情感黏度模型相连接，主张回避不应只视为交互失败，而是标示人机边界的关涉信号。基于此提出智能体依社会关系与交互历史维持、压抑或表达负面状态的设计视角，并讨论三元嫉妒、不适压抑、耐心时机与时空黏性等设计案例，进而追问干预的可追溯、有限、可争议与可修复。
arXiv cs.ROAI 评分4747 Reading the Room：将尺度模糊的稀疏语义VSLAM地图配准到部分建成环境的楼层平面图
Reading the Room（RR）提出全局-局部方法，将尺度模糊的稀疏语义VSLAM地图配准到部分建成的楼层平面图，核心是单一鲁棒、可微、类别平衡的语义-几何能量函数贯穿全流程。在3个在建工地的33段序列上评测，通用无约束设定下平均绝对轨迹误差较最强基线改善4.5倍，提供锚点对应时提升至7.6倍。
arXiv cs.ROAI 评分6262 Watch Your Step：用人形机器人预判落足点的感知方法提升地形运动
arXiv 论文 Watch Your Step 提出轻量落足点预测模型（FPM），仅凭本体感知和速度指令预测未来落足点，并只在这些落足点周围采样高程图，让感知先于策略预判落脚位置。
arXiv cs.ROAI 评分6060 四足机器人月球重力跳跃的端到端强化学习研究
研究提出多阶段强化学习方法，生成单一端到端控制策略，用于月球重力下四足机器人受指令的点到点跳跃。该策略架构简单，仅依赖与任务兼容的机载传感；仿真中跳跃落点误差小于机器人本体尺寸，并分析了扭矩与功率需求，以及飞行中控制更新冻结最长 1 秒等极端异常下的性能退化。硬件迁移测试中，策略在月球重力卸载条件下成功完成垂直跳跃，实测扭矩与功率曲线与仿真一致且在硬件极限内。
arXiv cs.ROAI 评分4545 串联机械臂基于雅可比的性能指标关节角不变性研究
研究揭示了串联机械臂基于雅可比的性能指标（如可操作度、刚度）在何种运动学条件下与首末关节角无关，即关节角不变性（JAI）。该性质可系统性降低有效构型空间维度，简化性能评估。在工作空间性能图构建与任务布局优化两个场景中，JAI 策略在不损失效果的前提下减少了计算量与存储需求，成果已被 IROS 2026 接收。
arXiv cs.ROAI 评分5555 ContactFlowFilter：基于流匹配与粒子滤波的机械臂在线接触估计方法
论文提出 ContactFlowFilter，用于在仅配备关节扭矩传感器和基座力/扭矩传感器的机械臂上估计活跃接触的数量、位置和力向量。该方法将流匹配模型作为粒子滤波的辅助提议分布，用粒子滤波的递归结构捕捉时序依赖，同时跟踪多模态信念并检测接触的增删事件。
arXiv cs.ROAI 评分4444 面向耦合传动机械臂遥操作的执行器约束感知主从控制方法
一种执行器约束感知的主从遥操作方法，联合建模主端重力补偿、主从关节映射与从端差动腕部控制，用于解决差动腕部中独立电机饱和破坏俯仰-横滚协调、固定映射难以应对重力负载与执行器约束导致的突变跟踪问题。
arXiv cs.ROAI 评分5252 SERA：面向历史依赖操作的自进化机器人智能体框架
论文提出SERA（Self-Evolving Robotic Agent），将高层VLM组织为带可编辑harness的机器人智能体，配合固定的VLA执行器完成低层控制，用于处理长程操作中的非马尔可夫依赖。
arXiv cs.ROAI 评分5151 Make it Walk：LEGO 行走器的计算设计方法
论文提出首个可计算设计 LEGO 行走器的方案，使其在稳定行走之外支持多种步态。方法有两部分：一是用专门设计的齿轮连杆机构控制每条腿的足端轨迹，其中将一对 3D 打印非圆齿轮与 LEGO Technic 机构配合；二是每条腿由独立电机驱动，通过简洁而灵活的控制算法同步多腿运动时序。
arXiv cs.ROAI 评分5353 S-Rolling：面向可扭转型蛇形机器人的低净空可转向滚动步态
S-Rolling 是一种面向可扭转型蛇形机器人的可转向滚动步态，结合低扫掠高度移动与平面机动性，通过 S 形平面骨架曲线设计，头尾段以独立控制的角速度滚动实现不同运动模式。
arXiv cs.ROAI 评分4747 面向复杂地形的蛇形机器人线性扭转侧移步态运动规划
研究提出一种线性扭转函数，将扭转负荷分布到蛇形机器人全身，替代既有滚动向量方法中集中于中部两个扭转关节的方案。在匹配转向速度与总输出功率的条件下，新步态将单个扭转关节的峰值输出功率降低 42%，实机实验显示其可在既有滚动向量方法无法通行的多种地形上移动，速度较不带扭转的传统侧移步态最高快 49%。
arXiv cs.ROAI 评分5656 A2I-Calib++：面向足式机器人全身多IMU系统的抗噪主动标定框架
论文提出 A2I-Calib++，一种由运动学驱动的抗噪主动标定框架，用于足式机器人机身上的多IMU系统，可估计时间偏移、外参旋转与平移以及惯性偏差，无需人工标定靶或复杂参数调参。
arXiv cs.ROAI 评分4848 流匹配与模型预测控制结合的机器人安全导航框架
该框架将基于流匹配的路径规划与模型预测路径跟随控制结合，用于移动机器人导航。流匹配模型捕捉多模态路径分布，预测控制器在线满足状态与输入约束并避障，事件触发重规划将控制解反馈至后续路径生成。仿真结果表明该框架在杂乱环境中表现稳健。
arXiv cs.ROAI 评分5656 PAL：先规划后执行的流式推理分层记忆框架用于机器人操作
论文提出面向视觉-语言机器人操作的分层记忆框架 PAL（Plan first, Act Later），由高层视觉-语言模型（VLM）把流式视觉观测转换为 subtask_list，执行时再从中选出当前相关子任务交给底层视觉-语言-动作（VLA）策略。
arXiv cs.ROAI 评分4949 Relational Geometry Forcing：通过关系几何约束改进世界动作模型（WAM）的机器人操作学习
论文提出 Relational Geometry Forcing（RGF），通过将冻结的 3D 基础模型的几何先验以成对特征关系对齐的方式注入世界动作模型（WAM），替代逐点特征对齐，避免密集几何目标过度约束紧凑动作特征导致的动作学习退化。
arXiv cs.ROAI 评分6565 TIDE：面向机器人操作的人机在环部署中在线后训练系统
作者提出 TIDE（Training In DEployment），一种人机在环在线后训练系统，用来源条件监督学习框架从部署中的人类干预和策略 rollout 在线更新策略，不需要学习 critic、奖励模型或动作评分器。
arXiv cs.ROAI 评分6060 DepState-JEPA：面向视觉感知与操作的深度锚定状态表征学习
作者提出 DepState-JEPA，一种双流 RGB-D 联合嵌入预测架构，通过共享隐状态 DepState 把空间理解与动作条件预测连接起来。该框架基于 V-JEPA 2.1，将深度同时作为互补观测流和度量三维空间的锚定依据，并用射线条件读出、物体轨迹监督与标定正运动学约束状态学习。
arXiv cs.ROAI 评分5151 NavBind 诊断导航 VLA 模型在路线分叉处的指令-动作绑定
NavBind 提出一种诊断导航视觉-语言-动作（VLA）模型是否真正遵循指令的方法：在固定导航上下文下，检查改变指令是否会影响动作的概率分布。作者通过重组 R2R-CE 和 RxR-CE 中与路线对齐的指令片段，构建了 3,252 个路线分叉上下文，每个上下文配对两条共享已走路线描述但指定不同分支的完整指令，并在相同智能体状态和导航历史下评估。
arXiv cs.ROAI 评分6464 SMR：从人类语义学习人形机器人流式运动重定向
SMR 是一种从语义条件物理专家学习的流式神经运动重定向器，将人体运动转成机器人任务空间目标，由物理专家在仿真中跟踪，再用严格因果 Transformer 学习其执行轨迹。每个新帧仅用当前与过去的人体观测生成机器人运动参考，供下游全身控制器使用。实验显示语义条件物理专家在语义保真度和物理有效性上优于直接优化式重定向，所得流式重定向器在统一全身控制器下闭环表现优于运动学与物理精修基线。
arXiv cs.ROAI 评分5555 表征先验如何影响世界动作模型的泛化能力
该研究提出世界动作模型（WAM）的泛化表现会因其生成骨干的表征几何而显著分化，并用 nuisance orthogonality（特征在分布外视觉变化下与分布内流形的正交程度）量化这一先验。实验覆盖多种图像与视频骨干，发现训练前正交性越高，WAM 训练后对视觉变化的鲁棒性越强，可在训练前前瞻预测策略泛化；对鲁棒 WAM 的分析还显示特征位移受抑制与稳健的动作生成。
arXiv cs.ROAI 评分6464 SimPT：自动化仿真框架用于基于介入的 VLA 后训练
SimPT 是一个自动化仿真框架，将策略 rollout、纠正数据采集、策略训练与独立评测整合，用于基于人工介入的视觉-语言-动作（VLA）后训练。
arXiv cs.ROAI 评分5050 状态相关目标协调实现两轮机器人端到端平衡与导航
arXiv 论文提出一种轻量的状态相关目标协调方法，用于两轮倒立摆机器人的端到端平衡与导航。该方法引入俯仰角条件化的标量系数 β(s)∈[0,1]，在训练中动态调节平衡稳定与导航目标的相对权重，无需额外控制层级或 PID、LQR 等姿态稳定控制器。
arXiv cs.ROAI 评分6161 ACT-Flow：用评论家加权残差流学习视觉插接纠错
ACT-Flow 是一个在线学习框架，把自适应 Action Chunking Transformer（ACT）与条件残差流策略结合，让 ACT 通过行为克隆吸收成功执行的动作，残差目标相对更新后的先验重新计算。
arXiv cs.ROAI 评分5656 PHD-Hand：采用连杆驱动3-DOA手指的可3D打印人形灵巧手
PHD-Hand 是一款连杆驱动、单指具备3个驱动自由度（DOA）的人形灵巧手，采用独特的柔性铰链与弹簧钢弹性驱动杆简化传动，无需大量微型运动部件，可用预算级3D打印机制造，从而降低灵巧手使用与开发门槛并使尺寸更接近人手。原型已用于抓取与物体操作评估，论文同时给出该手的运动学与控制方面最新研究结果，已被 IEEE-RAS Humanoids 2026 接收。
arXiv cs.ROAI 评分5555 SLoSa：面向机器人任务规划的小型低功耗安全基础模型框架
SLoSa 是一个神经符号压缩与微调框架，用经典规划器、教师大语言模型和形式化验证器构建安全感知数据集，再经监督微调与基于验证奖励机的强化学习微调，训练小型、低功耗且具备安全意识的机器人任务规划模型。
arXiv cs.ROAI 评分5858 GGraph 开源 GPU 加速图库支持机器人部署与大规模学习
作者团队发布开源 GPU 加速图库 GGraph，面向机器人部署与大规模学习，通过 ROS 2 接口支持实机，并支持向量化 GPU 策略训练，内置支持三维导航、探索与回环整合等任务。单机器人运行时图更新耗时为毫秒级；在规模化训练中支持数百个并行机器人训练基于图的探索策略，将训练墙钟时间降低一个数量级。
arXiv cs.ROAI 评分7070 HyperDrone 四旋翼仿真器发布，批量渲染速度超现有方案 20 倍
HyperDrone 是一款面向高性能批量渲染的四旋翼仿真器，速度比现有最先进的批量四旋翼仿真器快 20 倍以上。
arXiv cs.ROAI 评分6565 COWBOY：可扩展的上下文全身操作sim-to-real框架
COWBOY是一个用于学习上下文全身操作的可扩展sim-to-real框架，在全身灵巧抓取任务上零样本迁移到数百个物体和多种野外场景，包括杂乱桌面、货架、抽屉等非结构化环境。
arXiv cs.ROAI 评分4747 One Policy, Many Styles：人形机器人可操控控制中偏好聚合位置的对比研究
一项研究对比了奖励级、优势级、损失级与PCGrad四种偏好聚合方式在两个人形机器人控制框架中的表现，发现没有哪种聚合层级在所有环境和指标上都最优。实验采用Preference Reward Responsiveness（PRR）结合覆盖率与效用指标评估，结果显示早期聚合能产生更宽的行为响应范围但会带来更多非预期的目标干扰，后期聚合则提升控制精度但牺牲部分响应性。
arXiv cs.ROAI 评分4545 基于大语言模型的辅助机器人避障导航可解释性框架
研究提出 Context-Aware Navigation Explanation 框架，用大语言模型结合感知上下文与规划轨迹，为辅助机器人避障与导航生成自然语言解释。该系统部署在 Unitree Go2 平台的室内导航场景中，评估不同解释上下文配置对用户信任与解释满意度的影响。结果显示解释满意度与信任呈强正相关，障碍物信息结合未来轨迹的配置解释效果最佳。
arXiv cs.ROAI 评分4040 面向协作迭代任务的动态博弈学习框架
该研究提出一个适用于非线性、非凸动态博弈的通用学习框架，用于处理带共享约束的多智能体协作迭代任务，通过已执行的可行轨迹构建采样联合安全集与各参与者的代价到-go函数。
arXiv cs.ROAI 评分5555 FLEX：用自然语言三操作灵活编辑机器人任务特征表征
论文提出 Flexible Feature Editing Pipeline（FLEX），用语言模型通过 Add、Generalize、Mask 三种互补操作，依据自然语言纠正迭代修正机器人对任务特征的内部表征。
arXiv cs.ROAI 评分5151 inr2action：用神经隐式表示编码机器人片段以支持回忆与动作
论文提出 inr2action 框架，将每段机器人操作片段从共享的元学习初始化出发拟合神经隐式表示，其权重增量（weight delta）作为记忆，大小不随片段长度变化，可从一百帧到十万帧保持固定尺寸。
arXiv cs.ROAI 评分7272 Real2Sem2Real：用单条人类RGB演示生成跨实例机器人训练数据
Real2Sem2Real（R2Sem2R）提出一条真实-语义-真实流程，将单条单目RGB人类演示视频转化为覆盖同一类别下多个语义物体实例的数千条机器人演示。该方法用DINOv3蒸馏的高斯泼溅跟踪物体SE(3)位姿，性能超过现有方法和使用估计度量深度的FoundationPose，并将人手映射为可迁移到数字孪生体的可行机器人抓取。
arXiv cs.ROAI 评分5656 T-WLA：用共享视觉记忆桥接慢视觉与快触觉的世界-语言-动作架构
T-WLA 是一个世界-语言-动作（World-Language-Action）架构，通过共享视觉记忆同时引导动作生成与触觉修正，以应对接触密集操作中接触条件先于视觉策略更新而变化的问题。
arXiv cs.ROAI 评分4949 VeriCalib：可验证的基于目标的 LiDAR-相机标定
VeriCalib 将基于目标的 LiDAR-相机外参标定建模为可验证估计问题，输出标定状态以指示接受结果还是补采数据。它通过结构化协方差解耦旋转与平移精度，指导数据采集向最弱方向补充，并用视图内与跨视图检查及最小可检测偏差界定各方向可发现的最小故障。